基于深度神经网络的声学特征学习及音素识别的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 引言 | 第11-16页 |
| ·研究背景与意义 | 第11-12页 |
| ·语音识别的研究意义 | 第11页 |
| ·音素识别的研究意义 | 第11-12页 |
| ·研究现状 | 第12-14页 |
| ·音素识别研究发展史 | 第12-13页 |
| ·特征学习在语音识别中应用的发展 | 第13-14页 |
| ·本文的主要研究内容和贡献 | 第14-16页 |
| ·研究内容及各章简介 | 第14页 |
| ·本文主要贡献 | 第14-16页 |
| 第2章 背景知识介绍 | 第16-33页 |
| ·引言 | 第16页 |
| ·自动语音识别系统 | 第16-19页 |
| ·问题定义 | 第16-17页 |
| ·HMM与语音识别 | 第17-19页 |
| ·深度学习 | 第19-30页 |
| ·神经网络定义 | 第19-22页 |
| ·玻尔兹曼机与深度置信网 | 第22-27页 |
| ·基于能量的模型 | 第22-23页 |
| ·玻尔兹曼机 | 第23-25页 |
| ·深度置信网 | 第25-27页 |
| ·深度神经网络 | 第27-29页 |
| ·训练技巧 | 第29-30页 |
| ·随机梯度下降 | 第29页 |
| ·冲量 | 第29-30页 |
| ·深度学习应用于语音识别 | 第30-32页 |
| ·特征学习的意义 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于TIMIT的音素识别实验平台构建 | 第33-39页 |
| ·引言 | 第33页 |
| ·TIMIT语料库介绍 | 第33-34页 |
| ·HMM-GMM模型音素识别器的训练 | 第34-36页 |
| ·HMM-DNN模型音素识别系统 | 第36-38页 |
| ·GMM与DNN识别效果对比 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 串联深度神经网络模型进行声学建模的研究 | 第39-47页 |
| ·引言 | 第39页 |
| ·串联系统 | 第39-41页 |
| ·串联系统的系统流程 | 第40-41页 |
| ·串联系统方法的影响 | 第41页 |
| ·串联深度神经网络模型 | 第41-43页 |
| ·实验配置 | 第43页 |
| ·实验结果 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 鲁棒性语音识别中的高斯玻尔兹曼机特征学习 | 第47-58页 |
| ·引言 | 第47页 |
| ·受限玻尔兹曼机 | 第47-51页 |
| ·受限玻尔兹曼机的训练算法 | 第48-51页 |
| ·高斯-伯努利受限玻尔兹曼机 | 第51页 |
| ·多变量高斯玻尔兹曼机 | 第51-53页 |
| ·鲁棒性语音识别的特征学习 | 第53-54页 |
| ·实验配置 | 第54-55页 |
| ·RBM的训练 | 第55页 |
| ·DNN的训练 | 第55页 |
| ·实验结果 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第6章 对照自编码器进行特征学习的研究 | 第58-68页 |
| ·引言 | 第58-59页 |
| ·自编码器 | 第59-60页 |
| ·对照自编码器 | 第60-64页 |
| ·对照自编码器模型描述 | 第60页 |
| ·对照自编码器的损失函数 | 第60-61页 |
| ·对照自编码器的训练算法 | 第61-64页 |
| ·预训练（pre-training） | 第62页 |
| ·对照精细调节（fine-tuning） | 第62-63页 |
| ·与Chen的模型的对比 | 第63-64页 |
| ·实验配置 | 第64-65页 |
| ·实验与结果 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第7章 使用神经网络进行动态特征学习 | 第68-77页 |
| ·引言 | 第68页 |
| ·传统语音信号差分的使用 | 第68-69页 |
| ·基于神经网络的差分特征 | 第69-72页 |
| ·方法描述 | 第69-70页 |
| ·可选架构 | 第70-72页 |
| ·实验配置 | 第72-73页 |
| ·实验结果 | 第73-76页 |
| ·新差分特征的学习 | 第73-74页 |
| ·新差分与传统差分的比较 | 第74-75页 |
| ·音素识别 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 第8章 总结与展望 | 第77-80页 |
| ·本文工作总结 | 第77页 |
| ·语音识别未来研究展望 | 第77-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-87页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第87页 |
